Мы исследовательское подразделение, которое отвечает в Сбере за «человека»: поведение, психология, тренды, изменения, особенности восприятия и мышления.
Наша ключевая задача: исследовать и рассказывать, что происходит и будет происходить с человеком, как эти изменения переложить в продукт, коммуникации, HR-процессы, чтобы они стали лучше.
Работа в Лаборатории — это возможность прикоснуться практически к любому бизнес-подразделению экосистемы Сбера, к большим данным Сбера, к клиентской базе более 100 млн человек.
Мы ищем продуктового лида DS-команды — человека, который будет главным переводчиком между бизнесом и разработкой. На входе — абстрактные идеи и запросы руководства, на выходе — работающие LLM-решения, собранные командой по чёткому ТЗ. Играющий тренер: основная работа — оркестрация проектов, но при этом сам может сесть и собрать прототип.
В рамках Лаборатории вы будете работать в команде «больших данных и гиперперсонализации», всего около 25 человек, из которых DS-команда — порядка 10 человек, остальные — исследователи, психологи и социологи.
Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры.
ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!
Обязанности
### Чем предстоит заниматься:
Продуктовая архитектура и декомпозиция:
- оценка реализуемости запросов от руководства или бизнес-подразделения и перевод на язык разработки
- проектирование архитектуры решения
- декомпозиция задач для ML Developer'а и LLM-генералистов.
Оркестрация проектов:
- ведение параллельно несколько LLM-проектов разной сложности
- приоритизация бэклога, отслеживание сроков и архитектурной целостностью решений
- синхронизация и помощь команде в роли техлида.
Прототипирование:
- самостоятельная сборка прототипов - быстрых MVP на базе LLM: RAG-системы, агенты, дэшборды, внутренние инструменты
- валидация гипотез и демонстрация результата, не дожидаясь полного цикла разработки.
Требования
### Наши ожидания от кандидата:
Продуктовое мышление и коммуникации:
- умение взять абстрактную идею и превратить её в техническое решение с понятным планом реализации
- способность общаться на языке бизнеса с руководством и на языке разработки с командой
- навык приоритизации: понимание, что делать сейчас, что отложить, а что не делать вообще.
Техническая экспертиза в разработке:
- уверенный бэкграунд в разработке: понимание кода, архитектуры, умение ставить задачи на языке разработчика
- понимание принципов работы LLM, RAG-архитектур, векторных и графовых БД
- опыт вайбкодинга и быстрой сборки прототипов (Cursor, Claude Code, Replit, n8n/make)
- понимание инфраструктуры: как устроен деплой, что такое API, как работают базы данных.
Софты и лидерство:
- умение вести техническую команду: не менеджерить в классическом смысле, а направлять, расставлять приоритеты, снимать блокеры
- проявление энергии и драйва (вы из тех, кто разгоняет процессы, а не тормозит)
- актуальность: отслеживание актуальных трендов в AI и быстрое понимание, что из нового можно применить.
Будет плюсом:
- опыт в продуктовых ролях (CPO, Head of Product, Product Lead) в технологических компаниях
- бэкграунд в ML/DS
- опыт работы в корпоративных инновационных подразделениях или AI-стартапах
- портфель собственных прототипов или pet-проектов на LLM.
Условия
### Мы предлагаем:
- комфортный современный офис г. Москва, рядом с метро Кутузовская
- возможность выбрать удобный график – офис/гибрид
- ежегодный пересмотр зарплаты и годовая премия
- корпоративный спортзал и зоны отдыха
- более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
- ДМС, льготное страхование для семьи и корпоративная пенсионная программа
- гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
- бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.

